DBMS > Databricks vs. JanusGraph vs. Machbase Neo vs. OrigoDB vs. SpatiaLite

Vergleich der Systemeigenschaften Databricks vs. JanusGraph vs. Machbase Neo vs. OrigoDB vs. SpatiaLite

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

The Databricks Lakehouse Platform combines elements of data lakes and data warehouses to provide a unified view onto structured and unstructured data. It is based on Apache Spark.

A Graph DBMS optimized for distributed clusters

It was forked from the latest code base of Titan in January 2017

TimeSeries DBMS for AIoT and BigData

A fully ACID in-memory object graph database

Spatial extension of SQLite

Primäres Datenbankmodell

Document Store
Relational DBMS

Graph DBMS

Time Series DBMS

Document Store
Object oriented DBMS

Spatial DBMS

Sekundäre Datenbankmodelle

Relational DBMS

DB-Engines Ranking misst die Popularität von Datenbankmanagement- systemen
Trend Chart

Punkte	81,08
Rang	#15	Overall
	#2	Document Stores
	#10	Relational DBMS

Punkte	2,02
Rang	#125	Overall
	#12	Graph DBMS

Punkte	0,17
Rang	#337	Overall
	#30	Time Series DBMS

Punkte	0,06
Rang	#380	Overall
	#50	Document Stores
	#18	Object oriented DBMS

Punkte	1,63
Rang	#146	Overall
	#3	Spatial DBMS

Website

www.gaia-gis.it/fossil/libspatialite/index

Technische Dokumentation

www.gaia-gis.it/gaia-sins/spatialite_topics.html

Entwickler

Databricks

Linux Foundation; originally developed as Titan by Aurelius

Machbase

Robert Friberg et al

Alessandro Furieri

Erscheinungsjahr

2013

2017

2013

2009

under the name LiveDB

2008

Aktuelle Version

0.6.3, Februar 2023

V8.0, August 2023

5.0.0, August 2020

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

kommerziell

free test version available

Open Source

MPL 1.1, GPL v2.0 or LGPL v2.1

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java

C++

Server Betriebssysteme

gehostet

Linux
OS X
Unix
Windows

Linux
macOS
Windows

Linux
Windows

serverlos

Datenschema

Flexible Schema (defined schema, partial schema, schema free)

Typisierung

vordefinierte Datentypen, z.B. float oder date

User defined using .NET types and collections

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

can be achieved using .NET

nein

Sekundärindizes

SQL

Support of SQL

with Databricks SQL

nein

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

Java API
TinkerPop Blueprints
TinkerPop Frames
TinkerPop Gremlin
TinkerPop Rexster

gRPC
HTTP REST
JDBC
MQTT (Message Queue Telemetry Transport)
ODBC

.NET Client API
HTTP API
LINQ

Unterstützte Programmiersprachen

Python
R
Scala

Clojure
Java
Python

C
C#
C++
Go
Java
JavaScript
PHP

via ODBC
Python
R

via ODBC
Scala

.Net

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Domain Events

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

depending on the used storage backend (e.g. Cassandra, HBase, BerkeleyDB)

Sharding

horizontale Partitionierung

client side managed; servers are not synchronized

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

selectable replication factor

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

via Faunus, a graph analytics engine

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

Relationships in graphs

nein

depending on model

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Unterstützt verschiedene Storage Backends: Cassandra, HBase, Berkeley DB, Akiban, Hazelcast

nein

Write ahead log

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

nein

volatile and lookup table

Berechtigungskonzept

Zugriffskontrolle

Benutzer Authentification und Sicherheit via Rexster Graph Server

einfacher Passwort-basierter Zugriffsschutz

Role based authorization

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Supported database models : In addition to the Document store and Relational DBMS...
» mehr

Wir laden Vertreter der Systemhersteller ein uns zu kontaktieren, um die Systeminformationen zu aktualisieren und zu ergänzen,
sowie um Herstellerinformationen wie Schlüsselkunden, Vorteile gegenüber Konkurrenten und Marktmetriken anzuzeigen.

Zugehörige Produkte und Dienstleistungen

Wir laden Vertreter von Anbietern von zugehörigen Produkten ein uns zu kontaktieren, um hier Informationen über ihre Angebote zu präsentieren.

Weitere Ressourcen

DB-Engines Blog Posts

PostgreSQL is the DBMS of the Year 2023
2. Januar 2024, Matthias Gelbmann, Paul Andlinger

alle anzeigen

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Infoworks streamlines Hadoop to Databricks migrations with Unity Catalog integration
6. Juni 2024, PR Newswire

Databricks enhances data lakehouse abilities with the purchase of data optimization startup, Tabular - The National
8. Juni 2024, The National

Exclusive | Databricks to Buy Data-Management Startup Tabular in Bid for AI Clients
4. Juni 2024, The Wall Street Journal

Databricks acquires Tabular to build a common data lakehouse standard
4. Juni 2024, TechCrunch

Databricks acquires data optimization startup Tabular in fresh challenge to Snowflake
4. Juni 2024, CNBC

bereitgestellt von Google News

Database Deep Dives: JanusGraph
8. August 2019, ibm.com

JanusGraph Picks Up Where TitanDB Left Off
13. Januar 2017, Datanami

From graph db to graph embedding. In 7 simple steps. | by Andy Greatorex
30. Juli 2020, Towards Data Science

Nordstrom Builds Flexible Backend Ops with Kubernetes, Spark and JanusGraph
3. Oktober 2019, The New Stack

Compose for JanusGraph arrives on Bluemix
15. September 2017, ibm.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk